# W9-master branch

**Repository Path**: liam1030/W9-master-branch

## Basic Information

- **Project Name**: W9-master branch
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2018-11-25
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

#说明：

用models最新的branch做的，所以train log和branch r1.5不一样；

先用运行python create_data.py 生成train和val的tfrecord格式数据；
然后用modify_xml_path.py 处理annotation中的xml文件;
模型导出文件见output文件夹，训练生成ckpt见train文件夹。


#心得：

1.生成数据时需手动创建trainval.txt文件

2.xml文件中的folder和path需要改成自己的，写了一个modify_xml_path.py进行更改

3.遇到报错：ValueError: Tensor conversion requested dtype string for Tensor with dtype float32: 'Tensor("arg0:0", shape=(), dtype=float32, device=/device:CPU:0)' 解决办法：config文件中的val和train参数需要与实际数据集一致，比如val的num_examples: 47(我的train与validation数据集三七分，会生成47个validation样本)

4.遇到报错[object detection] TypeError: can't pickle dict_values objects 解决办法：如果用py3,model_lib.py脚本中category_index.values()需要改成list(category_index.values())

5.对SSD的理解-在SSD中特征是从不同的卷积层中提取出来的，组合后再进行回归和分类，我理解这样感受野更大更全，不像从单一特征层提取那样受限制；一个特征点可以根据aspect ratios生成多个prior box，个人理解能够框出更多东西，更好的分类，具体的还得再细看。。。